内容发布更新时间 : 2024/4/26 17:46:23星期一 下面是文章的全部内容请认真阅读。

实验六 重要的参数检验与功效检验

【实验类型】验证性 【实验学时】2 学时 【实验目的】

1、掌握假设检验的基本思想；

2、掌握重要的参数检验及功效检验的求解方法； 3、了解非参数假设检验的基本思想及求解方法。 【实验内容】

1、参数检验（t 检验、F 检验、二项分布检验和泊松检验等）的计算； 2、功效检验的计算；

3、非参数检验（符号与秩检验、分布的检验、相关性检验等）的求解。 【实验方法或步骤】 第一部分、课件例题：

#1 例6.2

X<-c(159, 280, 101, 212, 224, 379, 179, 264, 222, 362, 168, 250, 149, 260, 485, 170)

t.test(X, alternative = \单侧检验

由于p值(= 0.257)>0.05，不能拒绝原假设，接受H 0 ，即认为 平均寿命不大于225h #2 例6.3

X<-c(78.1, 72.4, 76.2, 74.3, 77.4, 78.4, 76.0, 75.5, 76.7, 77.3) Y<-c(79.1, 81.0, 77.3, 79.1, 80.0, 79.1,79.1, 77.3, 80.2, 82.1) t.test(X, Y, al = \μ 1 -μ 2 <0 t.test(X, Y, al = \使用总体方差不同模型

t.test(X, Y, al = \配对数据检验 ## 公式形式

obtain<-data.frame(

value = c(78.1, 72.4, 76.2, 74.3, 77.4, 78.4, 76.0, 75.5, 76.7, 77.3, 79.1, 81.0, 77.3, 79.1, 80.0, 79.1, 79.1, 77.3, 80.2, 82.1),

group = gl(2, 10)) #生成2水平、各有10个元素的因子向量 t.test(value ~ group, data = obtain,

alternative = \

由于p值(= 0.000218)<0.05，拒绝原假设，即接受H 1 ，再利 用μ 1 -μ 2 的置信区间，可以说明新操作方法能够提高得率。 #3 例6.4

X<-c(78.1, 72.4, 76.2, 74.3, 77.4, 78.4, 76.0, 75.5, 76.7, 77.3) Y<-c(79.1, 81.0, 77.3, 79.1, 80.0, 79.1, 79.1, 77.3, 80.2, 82.1) var.test(X, Y) #方差相等的F检验 ## 使用公式形式 obtain<-data.frame(

value = c(78.1, 72.4, 76.2, 74.3, 77.4, 78.4, 76.0, 75.5, 76.7, 77.3, 79.1, 81.0, 77.3, 79.1, 80.0, 79.1, 79.1, 77.3, 80.2, 82.1),

group = gl(2, 10)) #生成2水平、各有10个元素的因子向量 var.test(value ~ group, data = obtain)

由于p值(=0.559)>0.05，无法拒绝原假设，所以认为两总体 的方差是相同的。从方差比的置信区间[0.37, 6.02]来看，它 包含1，因此，在例6.3中，假设两总体方差相同是合理的 #4 例6.5

prop.test (400, 10000, p=0.02) #比率(成功的概率)检验

#5 例6.6

n<-c(2000,1500); x<-c(652,576) prop.test(x,n) #双样本的比率检验

#6 例6.7

X <- matrix(c(15, 32, 10, 42, 42, 59), nrow=2, byrow=T) colnames(X) <- c(\rownames(X) <- c(\X

X.yes <- X[\

X.total <- margin.table(X,2) #计算表格的列和(参数1为行和) prop.test(X.yes, X.total) #三样本的比率检验

pairwise.prop.test(X.yes, X.total) #比率的多重比较

#7 例6.8

binom.test(3, 100, p=0.01, al=\二项分布检验(单边)

#8 例6.9

poisson.test(x=12, T=1.2, r=5, al=\分布检验(单边)